linux办公网
神经网络的万能逼近定理
创始人
2024-04-16 04:56:37
0次

这是我见过的讨论神经网络万有逼近问题的最好的文章。在文章中，给出了最清晰，简洁的构造性证明。揭示了它的本质。

三十年前，我们接触到神经网络的万有逼近问题。发表了几篇文章。这些文章把神经网络能力的来历、优点、缺点，都已讲清楚了。此博文中介绍的论文是 1990 年 Le Page 组织的一个会议的 Invited paper.

  1. 一维阶梯函数的线性组合能逼近任何连续一维连续函数。

  2. Sigmoidal 函数可以逼近阶梯函数。因此,一维Sigmoidal函数的线性组合能逼近任何连续函数。

  3. 把坐标轴在R^{n}中沿各个方向旋转 （如同CT原理），在每一射线上，构造Sigmoidal函数的线性组合，就可以逼近R^{n}中任何连续函数。

  4. 优点：用一个简单到不能再简单的函数的线性组合和叠合可以逼近任何连续函数。

  5. 缺点：天下没有免费的午餐。

  6. 为了R^{n} 中函数达到精度1/N。需要识别 O(n^{N}) 个参数。这是无法承受的。

  7. 无论用阶梯函数还是Sigmoidal 函数，关键是利用其跳跃部分。因此，在用梯度法时，经常会发生导数不可控。

  8. 上述两个致命缺点长期阻碍了神经网络的发展和应用。深度学习就是围绕着这些问题来做的。通俗的讲，是实现神经网络逼近能力的技术。

这是第一篇用构造性方法证明神经网络逼近能力的论文.

转载本文请联系原作者获取授权，同时请注明本文来自陈天平科学网博客。
链接地址：http://blog.sciencenet.cn/blog-3377239-1129327.html

词库加载错误:未能找到文件“E:\highferrum_mysql\Configuration\Dict_Stopwords.txt”。

上一篇：【安全目标】

下一篇：AI生命科学绘图(4):质粒图谱的绘制

相关内容

热门资讯

前端-session、jwt 目录：   （1）session （2&#x...
linux入门---制作进度条 了解缓冲区 我们首先来看看下面的操作： 我们首先创建了一个文件并在这个文件里面添加了...
关于测试，我发现了哪些新大陆 关于测试 平常也只是听说过一些关于测试的术语，但并没有使用过测试工具。偶然看到编程老师...
前缀和与对数器与二分法 1. 前缀和 假设有一个数组，我们想大量频繁的去访问L到R这个区间的和，...
nodejs：本地安装nvm实... 一、背景-使用不同版本node的原因 vue3+ts、nuxt3版本，node...
JAVA集合知识整理 Java集合知识整理 HashMap相关 HashMap的底层数据结构：jdk1.8之...
无刷直流电机介绍及单片机控制实... 无刷直流电机介绍及单片机控制实例前言基本概念优势与劣势使用寿命基本结构使用单片机控制实例电子调速器&...
fwdiary(2) dp2 1.传纸条  AcWing 275. 传纸条 - AcWing 走两条路，走一条最大的...
常用的DOS命令 常用的DOS命令 DOS（Disk Operating System，磁...
＜C++＞ 类和对象(下) 1.const成员函数将const修饰的“成员函数”称之为const成员函数，cons...